首页|径流预报的极点对称模态分解-Elman网络模型

径流预报的极点对称模态分解-Elman网络模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对径流序列非线性、非平稳的特点,将极点对称模态分解(ESMD)方法与Elman神经网络模型相结合,建立了ESMD-Elman神经网络组合模型,并应用于长江上游干支流8站的年、月径流预报.首先利用ESMD方法将径流序列分解为各模态分量和趋势余项;然后利用Elman神经网络模型分别预测各平稳序列;最后加和重构得到最终预测结果.结果表明:组合模型预报精度大于单一模型,与ESMD-BP神经网络组合模型比,ESMD-Elman神经网络组合模型的8站年径流预报结果的平均相对误差(MAPE)平均降低3.6％,均方根误差(RMSE)平均降低7.8％,确定性系数平均提高5.0％;8站月径流预报结果的MAPE平均降低3.0％,RMSE平均降低2.8％,具有"分解→预测→重构"特点的组合模型提高了预报精度.
Runoff forecasts using combined model of extreme-point symmetric mode decomposition and Elman neural network

李继清、王爽、吴月秋、田雨

展开 >

华北电力大学 水利与水电工程学院,北京 102206

中国水利水电科学研究院,北京 100038

极点对称模态分解 Elman神经网络 时间尺度 径流预报 非平稳序列 长江上游

2016YFC04022082017YFC040590651879273

2021

10.11660/slfdxb.20210702

水力发电学报
中国水力发电工程学会

水力发电学报

CSTPCDCSCD北大核心
影响因子：0.801
ISSN：1003-1243
年,卷(期)：2021.40(7)
  • 13
  • 18